マルチエージェント運動予測2025/9/1arXiv:2509.10426

DECAMP: シーン整合性を考慮したマルチエージェント運動予測のための分離型コンテキスト認識事前学習

DECAMP: Towards Scene-Consistent Multi-Agent Motion Prediction with Disentangled Context-Aware Pre-Training

自動運転におけるマルチエージェント軌道予測の精度向上のため、表現学習とpretextタスクを分離したコンテキスト認識型事前学習フレームワークDECAMPを提案し、Argoverse 2で優れた性能を示した。

詳しい要約

1. どんなもの？

- 自動運転向けの軌跡予測、特に multi-agent motion prediction のための新しい事前学習フレームワーク - 名称は DECAMP（Disentangled Context-Aware Pre-Training） - ラベル付きデータの不足と multi-agent 予測の性能不足に対処することを狙う - 下流タスクは multi-agent motion forecasting - 事前学習で scene representation を強化する枠組み

2. 先行研究と比べてどこがすごい？

- 既存手法は representation learning と pretext tasks を entangle（絡めて）学習するのに対し、本手法は分離（decouple）する - behavior pattern learning と latent feature reconstruction を切り離す点が特徴 - interpretable dynamics を優先し、下流予測のための scene representation を改善 - context-aware representation learning と collaborative spatial-motion pretext tasks を併用 - 著者らの知る限り、自動運転の multi-agent motion forecasting における初の context autoencoder framework と主張

3. 技術・手法の肝は？

- disentangled context-aware pre-training framework を提案 - behavior pattern learning と latent feature reconstruction を分離して最適化 - context-aware representation learning を導入 - collaborative spatial-motion pretext tasks を組み合わせる - structural reasoning と intentional reasoning を joint optimization し、動的な意図を捉える - 詳細なアーキテクチャや損失設計は要旨からは不明

4. どうやって有効だと検証した？

- Argoverse 2 benchmark 上で実験を実施 - 提案手法の優れた性能を報告 - 結果が multi-agent motion forecasting における有効性を示すと主張 - 具体的な比較手法、指標、改善幅は要旨からは不明

5. 議論はある？

- ラベル付きデータ不足と multi-agent 予測の性能課題への対処を動機として議論 - representation learning と pretext tasks の分離が interpretable dynamics と scene representation に寄与すると主張 - 初の context autoencoder framework である点を強調 - 限界、失敗事例、計算コスト、一般化性に関する議論は要旨からは不明

6. 次に読むべき論文は？

- 要旨で直接参照・比較されている個別研究は明示されていない - 関連手法として context autoencoder、masked autoencoder 系の自己教師あり事前学習 - 軌跡予測の定番として Argoverse 2 を用いる motion forecasting 研究 - multi-agent 向けの graph-based / transformer-based trajectory prediction 研究 - 事前学習を用いた autonomous driving の representation learning 研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jianxin Shi, Zengqi Peng, Xiaolong Chen, Tianyu Wo, Jun Ma

分類: cs.RO, cs.MA

原文アブストラクト

Trajectory prediction is a critical component of autonomous driving, essential for ensuring both safety and efficiency on the road. However, traditional approaches often struggle with the scarcity of labeled data and exhibit suboptimal performance in multi-agent prediction scenarios. To address these challenges, we introduce a disentangled context-aware pre-training framework for multi-agent motion prediction, named DECAMP. Unlike existing methods that entangle representation learning with pretext tasks, our framework decouples behavior pattern learning from latent feature reconstruction, prioritizing interpretable dynamics and thereby enhancing scene representation for downstream prediction. Additionally, our framework incorporates context-aware representation learning alongside collaborative spatial-motion pretext tasks, which enables joint optimization of structural and intentional reasoning while capturing the underlying dynamic intentions. Our experiments on the Argoverse 2 benchmark showcase the superior performance of our method, and the results attained underscore its effectiveness in multi-agent motion forecasting. To the best of our knowledge, this is the first context autoencoder framework for multi-agent motion forecasting in autonomous driving. The code and models will be made publicly available.

arXivで原文を読む →arXiv概要ページ

← 論文一覧